Seminar Apache Spot Machine Learning und Suspicious Connects

Kurzprofil: Das Machine-Learning-Modul von Apache Spot ist kompakter als in vielen modernen Plattformen, fachlich aber entscheidend. In diesem Seminar wird gezeigt, wie aus großen Mengen von Netzwerkereignissen eine priorisierte Menge auffälliger Verbindungen entsteht und wie diese Ergebnisse sauber interpretiert werden.

Zielgruppe: Geeignet für SOC-Analysten, Security Engineers, Data-Analysten und alle Rollen, die aus Spot-Daten eine belastbare Priorisierung und operative Detektionslogik ableiten müssen.

Schwerpunkte:

• Grundidee der Suspicious-Connects-Analyse für Flow-, DNS- und Proxy-Daten
• Verständnis des Score-Bereichs und Einordnung niedriger Wahrscheinlichkeiten als besonders auffällig
• Datenvorbereitung, relevante Schemata und typische Ablageorte im Hadoop-Kontext
• Arbeiten mit ml_ops.sh, Thresholds und maximalen Ergebnismengen
• Lesen und Bewerten erzeugter Score-Dateien
• Feedback-Mechanismen, Umgang mit Low-, Medium- und High-Risk-Markierungen
• Reduktion von Fehlinterpretationen und strukturiertes Arbeiten mit Ausreißern
• Einbettung in operative Analyse- und Reaktionsprozesse

Praxisanteil: In den Übungen werden Score-Läufe vorbereitet, Schwellenwerte variiert und Ergebnislisten fachlich interpretiert. Dabei geht es nicht um akademische Modelltheorie, sondern um die praktische Frage, welche Auffälligkeiten im Betrieb wirklich weiterverfolgt werden sollten.

Besonderheiten: Zwei Tage genügen, weil der Schwerpunkt auf dem operativen Einsatz der vorhandenen ML-Routinen liegt. Eigenentwicklung oder tiefgreifende Modellerweiterung ist nicht Ziel dieses Seminars.